Teknolohiya ng voice AI

Paano Gawing Natural ang Japanese Text-to-Speech sa Telepono

Paano gawing natural ang Japanese text-to-speech sa phone line: tamang pagbasa, paghinto, bilis, keigo, mga pangalan at test cycle na nakakahuli ng mali.

Editorial team ng Call · Nailathala · 6 min na pagbabasa

Malaki na ang inunlad ng text-to-speech (TTS), pero natitisod pa rin ito sa Japanese sa mga paraang bihirang mangyari sa English. Ang caller na nakarinig ng 日本橋 na mali ang pagbasa, o ng paghingi ng paumanhin na walang buhay at monotono, ay hindi mag-iisip na "nagkamali ang software". Iisipin nilang walang pakialam ang kumpanya. Sa phone line, kung saan makitid at hindi mapagpatawad ang audio, kapansin-pansin ang maliliit na mali.

Isang taong naka-headset na nakikinig sa synthesised na boses sa isang tawag sa telepono
Larawang pang-ilustrasyon

Ang gabay na ito, para sa mga negosyong nag-o-operate sa Japan o naglilingkod sa mga caller na nagsasalita ng Japanese, ay nagpapaliwanag kung bakit mahirap ang Japanese, ang anim na pinakakaraniwang problema at kung paano ayusin ang mga ito, at isang paulit-ulit na cycle ng pagpapabuti. Sa dulo, ipinapakita ang mga tool sa Call. Kung pumipili kayo sa pagitan ng recording at synthesis, magsimula sa Recorded Prompt o Synthesised na Boses?.

Bakit mahirap ang Japanese para sa TTS

Sa English, maayos na gabay sa tunog ang spelling. Sa Japanese, madalas ay hindi ang mga titik. Maaaring maraming pagbasa ang isang kanji (on at kun), at nakadepende sa salita at konteksto ang tama. Nagbabago ng anyo ang mga numero at counter: magkaiba ang pagbasa ng parehong digits depende sa counter. Ang mga salitang nagkakaiba lang sa tono, gaya ng 橋 (tulay) at 箸 (chopsticks), ay magkaiba ang sulat pero magkapareho ang tunog maliban sa himig. Ang sistemang teksto lang ang nakikita ay kailangang manghula.

Anim na problema at ang lunas sa mga ito

Ano ang nagkakamali at ano ang gagawin

  • Maling pagbasaIsulat ang pagbasa sa kana para sa mga pangalan, lugar at termino.
  • Kulang na paghintoPaikliin ang mga pangungusap at maglagay ng bantas kung saan hihinga ang nagsasalita.
  • Maling bilisBagalan sa mga numero at instruksiyon; huwag madaliin ang buong script.
  • Maling bosesPumili ng boses na angkop ang tono sa sitwasyon, hindi lang ang may pinakamagandang demo.
  • Maling antas ng paggalangGumamit ng iisa at pare-parehong antas ng keigo sa kabuuan.
  • Kakaibang proper nounsSubukan nang hiwalay ang pangalan ng kumpanya, produkto at staff.

Pagbasa

Karamihan sa TTS engines ay may paraan para tukuyin kung paano babasahin ang isang salita, o isang dictionary ng overrides. Gumawa ng listahan ng sarili ninyong mga pangalan, pangalan ng lugar, pangalan ng produkto at jargon, kasama ang tamang pagbasa sa hiragana o katakana. Suriin ang mga numero, petsa, oras at pagpapangkat ng phone number, dahil madalas na hindi natural ang pagbasa sa mga ito. Iwasan ang malalabong pagkakabuo sa script hangga't maaari; kadalasang mas madali ang pagbabago ng pangungusap kaysa sa pag-aayos.

Paghinto at ritmo

Sumulat para sa tainga. Ang pangungusap na maayos sa papel ay maaaring masyadong mahaba para sabihin sa isang hininga. Hatiin ito, maglagay ng kuwit kung saan dapat huminto, at tandaan na kailangan ng tawag sa telepono ng kaunting dagdag na espasyo kaysa sa pahina. Dapat maiikli ang mga item sa listahan. Ang maikling hinto pagkatapos ng pagbati, bago ang pangunahing tanong, ay tumutulong sa mga caller na maghanda.

Bilis

Hindi laging mas mabuti ang mas mabagal. Ang pare-parehong mabagal na takbo ay parang minamaliit ang nakikinig; ang pare-parehong mabilis ay nakakapagod. Iba-ibahin ito: matatag para sa karaniwang pangungusap, medyo mas mabagal para sa mga numero, address at anumang kailangang isulat ng caller. Maraming caller ang nagsusulat habang nakikinig, kaya bigyan sila ng oras.

Pagpili ng boses

Pumili ng boses sa pamamagitan ng pakikinig sa sarili ninyong script sa totoong telepono, hindi lang sa demo na pangungusap. Isaalang-alang ang sitwasyon: bagay sa paghingi ng paumanhin ang kalmado at mainit na boses, bagay sa menu ang mabilis at malinaw. Usapin ng brand at panlasa ang lalaki o babaeng boses, pero mas mahalaga ang pagkakapare-pareho sa buong linya. Iwasan ang mga boses na sobrang masigla o emosyonal ang tono para sa seryosong impormasyon.

Paggalang

Sumusunod sa mga kumbensiyon ng paggalang ang mga tawag pang-negosyo sa Japan. Gumamit ng iisang antas at panindigan ito. Ang paghahalo ng casual at pormal na pagtatapos sa iisang mensahe ay tunog pabaya, at ang sobrang pormal na tono ay maaaring maging malamig. Ang mga natural na pambungad, gaya ng karaniwang pagbati at pasasalamat sa pagtawag, ay dapat sabihin gaya ng pagsasabi ng isang tao, hindi isinalin mula sa ibang wika. Basahin ang Mga Greeting Script para sa AI Phone Answering.

Proper nouns

Karapat-dapat sa sariling pagsubok ang pangalan ng kumpanya, produkto at staff, dahil lumalabas ang mga ito sa bawat tawag. Sabihin ang mga ito sa loob ng pangungusap at nang mag-isa. Ang mga brand name na naghahalo ng sistema ng pagsulat o may Latin na titik ay madalas nangangailangan ng tiyak na pagbasa.

Isang cycle ng pagpapabuti

Mula script hanggang boses na tama ang tunog

  1. Sumulat para sa taingaMaiikling pangungusap, istilong binibigkas, pare-parehong paggalang.
  2. Ayusin ang pagbasaIdagdag ang mga pangalan, termino at numero sa isang dictionary.
  3. Makinig sa teleponoTawagan ang linya at makinig gaya ng isang caller.
  4. Mag-rateItala ang bawat hinto, accent o pagbasang mali ang tunog.
  5. Mag-reviseI-edit ang script o ang dictionary.
  6. Subukan muliUlitin ang lahat ng naunang ayos para matiyak na walang nasira.

Magtago ng regression list: bawat problemang naayos ninyo, kasama ang pangungusap na naglantad nito. Patugtugin itong muli pagkatapos ng anumang pagbabago sa script, boses o engine, dahil maaaring mabura ng engine update ang isang ayos.

Mga karaniwang bahagi ng tawag na dapat suriin

May mga bahagi ng tawag na naririnig ng bawat caller, kaya sulit ang dagdag na atensiyon. Pakinggan ang bawat isa sa mga ito sa telepono bago ang anupaman.

BahagiAno ang susuriinKaraniwang ayos
PagbatiTama ang pagbasa ng pangalan ng kumpanya, mainit at hindi nagmamadaliIdagdag ang pangalan sa dictionary; paikliin ang pangungusap
Oras ng negosyoMalinaw ang pagbasa ng oras at araw ng linggoIsulat ang oras kung paano ninyo ito sasabihin nang malakas
Address at direksiyonPangalan ng lugar at mga numeroPagbasa sa kana; mas mabagal na takbo; maiikling bahagi
Paumanhin o pagkaantalaKalmado ang tono, hindi masiglaPumili ng mas kalmadong boses; isulat muli ang pananalita
PagtataposNatural ang tunog ng pasasalamat at paalamGamitin ang karaniwang pangwakas na parirala, hindi salin

Ang isang kunwaring tindahan na may sangay na ipinangalan sa isang lokal na palatandaan ay maaaring matuklasang ang sarili nitong address ang pinakasirang pangungusap sa buong script. Karaniwan iyon. Ang mga salitang pinakamahalaga sa negosyo, ang pangalan, address at mga produkto nito, ay siya ring pinakabihirang nakita ng engine. Subukan muna ang mga ito, ayusin muna ang mga ito at itago sa dictionary kung saan makikita ng susunod na tao.

Bago i-publish ang Japanese na script

  • May nasuring pagbasa ang bawat pangalan, lugar at termino
  • Natural ang tunog ng mga numero, petsa at oras sa totoong pangungusap
  • Sapat ang ikli ng mga pangungusap para sabihin sa isang hininga
  • Iisang antas ng paggalang ang ginagamit sa kabuuan
  • Bagay ang boses sa tono ng mensahe
  • May native speaker na nakinig sa telepono

Bakit mahalaga ang phone line

Compressed at makitid ang audio sa telepono, kaya natatago ang ilang detalye at napapalaki ang iba. Ang boses na mayaman ang tunog sa headphones ay maaaring malabo sa mobile line, at lumalabo ang ilang katinig. Laging suriin sa totoong tawag, mainam sa mobile network, at muli sa landline. Ipinapaliwanag ng Kalidad ng Audio sa Telepono kung bakit.

Paano ito gawin sa Call

Sa Call, pinipili ang boses na ginagamit ng inyong AI agent sa ilalim ng Voice, AI voices. Itakda ang wika sa sinasalita ng inyong mga caller, makinig sa samples sa ilang card, pindutin ang Use this voice, saka pindutin ang Hear what callers hear para makinig gamit ang naka-save na settings. Sa bahaging Voice settings and playground, maaari kayong mag-type ng sariling pangungusap at pakinggan ito. Maaaring may sariling boses ang isang phone line, at Japanese ang default na pangunahing wika ng linya para sa mga tawag; ang caller na nagsasalita ng ibang wika ay sinasagot sa wikang iyon.

Ang Pronunciation dictionary sa parehong pahina ay nagtuturo sa boses kung paano basahin ang mga pangalan, lugar at salitang mali ang pagbasa nito. Pindutin ang Add a word, i-type ang salita sa Written as at ang pagbasa nito sa kana sa Read as, saka mag-type ng pangungusap sa Try a sentence para makita kung paano ito babasahin at patugtugin ito. Ang binibigkas lang ang nagbabago; nananatili ang nakasulat na mga mensahe. Hanggang 100 salita ang kayang hawakan ng dictionary, at workspace managers lang ang makakapagbago nito. Tapusin sa pagsubok sa totoong telepono gamit ang test call ng agent. Basahin din ang Pagpili ng Wika sa IVR.

Mga madalas itanong

Bakit mali ang pagbasa ng Japanese TTS sa ilang salita?

Maaaring maraming pagbasa ang kanji, at nakadepende sa konteksto ang tama. Kung mali ang hula ng sistema, maaayos ninyo ito sa pagbibigay ng pagbasa sa kana.

Makokontrol ko ba ang pitch accent?

Pinapayagan ng ilang engine ang pag-adjust, pero iba-iba ang controls. Kadalasan, ang praktikal na paraan ay pumili ng magandang boses at baguhin ang mga pangungusap na kakaiba ang tunog.

Paano ko hahawakan ang mga numero at petsa?

Subukan ang mga ito sa totoong pangungusap na ginagamit ninyo. Kung mali ang tunog ng pagbasa, isulat ito sa kana o baguhin ang pangungusap.

Anong antas ng paggalang ang dapat kong gamitin?

Pumili ng antas na bagay sa inyong brand at mga caller, at gamitin ito nang pare-pareho sa bawat mensahe. Tunog pabaya ang paghahalo ng mga antas.

Dapat ba akong gumamit ng recorded na boses sa halip?

Natural ang tunog ng recording para sa mga nakapirming mensahe, pero mas mabagal ang pagbabago sa mga ito. Bagay ang synthesis sa tekstong madalas magbago. Maraming negosyo ang gumagamit ng pareho.

Gaano kadalas ko dapat suriin ang boses?

Pagkatapos ng bawat pagbabago sa script, dictionary, boses o engine, at paminsan-minsan gamit ang totoong tawag. Magtago ng listahan ng mga nakaraang ayos para patugtuging muli.

Ayusin ang pagbasa ng Japanese gamit ang pronunciation dictionary ng Call

Sa demo console, masusubukan mo ang mga papasok na tawag sa isang simulation.

Mga kaugnay na gabay